Blok Tasarımı Uygulayan İşlevsel Yakın Kızılötesi Spektroskopi Deneyinden Nitel ve Karşılaştırmalı Kortikal Aktivite Veri Analizleri

Sensorimotor görevine sahip bir blok tasarımı kullanarak sürekli dalga fonksiyonel yakın kızılötesi spektroskopi deneyinin analizini açıklıyoruz. Veri analizinin güvenilirliğini artırmak için nitel genel doğrusal model tabanlı istatistiksel parametrik haritalamayı ve çok kanallı karşılaştırmalı hiyerarşik karma modelleri kullandık.

Nörogörüntüleme çalışmaları, rehabilitasyon ve cerrahi tedavi gibi girişimsel sonrası nörolojik durumların değerlendirilmesinde önemli bir rol oynar. Beyin aktivitesini ölçmek için kullanılan birçok nörogörüntüleme teknolojisi arasında fonksiyonel yakın kızılötesi spektroskopi (fNIRS), fonksiyonel manyetik rezonans görüntülemeye (fMRI) benzer lokal hemoglobin seviyelerini ölçerek dinamik kortikal aktivitelerin değerlendirilmesini sağlar. Ayrıca, fNIRS'deki daha az fiziksel kısıtlama nedeniyle, sensorimotor görevlerinin birden fazla çeşidi değerlendirilebilir. Birçok laboratuvar fNIRS veri analizi için çeşitli yöntemler geliştirmiştir; ancak, genel ilkelerin aynı olmasına rağmen, evrensel olarak standartlaştırılmış bir yöntem yoktur. Burada, blok tasarımı kullanılarak çok kanallı bir fNIRS deneyinden elde edilen verilerin nitel ve karşılaştırmalı analitik yöntemlerini sunuyoruz. Nitel analiz için, NIRS için genelleştirilmiş doğrusal modele dayalı kitlesel-tek değişkenli bir yaklaşım olarak bir yazılım kullandık. NIRS-SPM analizi, görev sırasında etkinleştirilen alanı görselleştirerek her oturum için nitel sonuçlar gösterir. Ek olarak, invaziv olmayan üç boyutlu sayısallaştırıcı, beyne göre fNIRS kanal konumlarını tahmin etmek için kullanılabilir. NIRS-SPM bulgularını doğrulamak için, sensorimotor görevi tarafından indüklenen hemoglobin seviyelerindeki değişikliklerin genliği, çok kanallı hiyerarşik karma bir model kullanılarak aynı çalışma konusunun iki farklı seansından (müdahale öncesi ve sonrası) elde edilen veriler karşılaştırılarak istatistiksel olarak analiz edilebilir. Yöntemlerimiz hareket bozuklukları, serebrovasküler hastalıklar ve nöropsikiyatrik bozukluklar gibi çeşitli nörolojik bozukluklarda müdahale öncesi ve sonrası analizi ölçmek için kullanılabilir.

Nörorehabilitasyon sensorimotor bozukluğunun ardından fonksiyonel iyileşmede önemli bir rol oynar. Nöroplastisite ile ilişkili fonksiyonel iyileşme mekanizmalarını netleştirmek için fonksiyonel manyetik rezonans görüntüleme (fMRI), pozitron emisyon tomografisi (PET), elektroensefalografi (EEG) ve fonksiyonel yakın kızılötesi spektroskopi (fNIRS) gibi çeşitli nörogörüntleme teknolojileri kullanılmıştır. Farklı görüntüleme yöntemlerinin farklı avantajları ve dezavantajları vardır. fMRI en tipik cihaz olmasına rağmen, manyetik alanlardan etkilenir, yüksek maliyetli, yüksek fiziksel kısıtlamaya ve sınırlı sensorimotor görevleri¹, 2^,3,4. FNIRS cihazı noninvaziv optik nörogörüntüleme olarak öne çıkıyor ve nispeten daha düşük bir mekansal çözünürlüğe sahip, ancak fMRI^4'tendaha iyi bir zamansal çözünürlüğe sahip . fNIRS, müdahale öncesi ve sonrası etkileri karşılaştırdığı, dinamik motor görevlere sahip olduğu, taşınabilir olduğu ve doğal ortamlarda fMRI^1,2,4'tendaha fazla işlev gördüğü için tedavi etkilerini doğrularken uygundur. NIRS'nin serebrovasküler hastalık, epileptik bozukluklar, ağır beyin hasarı, Parkinson hastalığı ve bilişsel bozukluk alanlarında daha uygun olduğu bildirilmiştir^1,5. Sensorimotor görevleri ile ilgili olarak, yürüyüş ve duran denge 6 ,⁷,^8,üst uzuv fonksiyonu (el kavrama, parmakla dokunma) 8 ,^9,karmaşık motor beceri eğitimi 10 ,^11,robotik^{12 , 13,14,15}ve beyin-bilgisayar arayüzü¹⁶,^17,18' de yaygın olarak kullanılır. FNIRS, kortikal metabolik aktiviteyi, artan kan akışını ve dolayısıyla kortikal aktiviteyi ikincil sinyaller olarak ölçen optik nörogörüntüleme ve nörovasküler kavrama ilkelerine dayanmaktadır¹⁹. fNIRS sinyallerinin kan oksijen seviyesine bağımlı fMRI²⁰sinyalleri ile güçlü korelasyonlara sahip olduğu bildirilmiştir. Sürekli dalga fNIRS, geniş bant yakın kızılötesi ışık zayıflaması^21,22'deki ölçülen değişikliklere dayanarak oksijenli hemoglobin_{(HbO 2)}ve deoksijene hemoglobin (HHb) kortikal konsantrasyon seviyelerindeki değişiklikleri belirlemek için değiştirilmiş Bira-Lambert yasasını^kullanır. Sürekli dalga NIRS sistemini kullanarak diferansiyel yol uzunluğu faktörünü (DPF) ölçmek mümkün olmadığından, DPF'nin sabit olduğunu ve hemoglobin sinyal değişikliklerinin milimole milimetre (mM x mm)^2,18'inrastgele birimlerinde belirtildiğini varsaydık.

FNIRS deneylerinin prob ayarları, deney tasarımları ve analiz yöntemleri dahil olmak üzere en yeterli yöntemleri seçmesi gerekir. Prob ayarı ile ilgili olarak, EEG ölçümünde kullanılan uluslararası 10-20 yöntemi, birçok araştırmacı tarafından nörogörüntlemede kullanılan ayar standardıdır. Son yıllarda Montreal Nöroloji Enstitüsü (MNI) koordinatlarına dayanarak standart beyne dayalı koordinat ayarları kullanılmıştır. Deney, genellikle sensorimotor görevleri için kullanılan bir blok tasarımı ve olayla ilgili bir tasarım kullanır. Bu, istirahatte ve görevler sırasında hemoglobin konsantrasyonundaki değişiklikleri karşılaştırma yöntemidir; Göreve bağlı kortikal aktivite ile ilişkili serebral kan akışındaki değişikliklerle HbO₂ konsantrasyon seviyeleri artar ve HHb konsantrasyon seviyeleri azalır. Çeşitli analiz yöntemleri olmasına rağmen, NIRS-SPM ücretsiz yazılımı fMRI'nın istatistiksel parametrik eşlemesine (SPM) benzer bir analiz sağlar. NIRS verilerinin tedavisi, genel doğrusal modele (GLM) dayalı kitlesel olarak tek değişkenli bir yaklaşım kullanır. Göreve bağımlı beyin aktivitesi analizi yapılırken, fNIRS ölçümleri serebral ve ekstraserebral bölmede uyandırılan veya çağrıştırılmayan nöronal aktivite ve sistemik fizyolojik girişimlerden (kalp hızı, kan basıncı, solunum hızı ve otonom sinir sistemi aktivitesi) etkilenebilir²³. Bu nedenle, ön analiz işleme, filtreleme, dalgacık dönüştürme ve ana bileşen analizi yararlıdır²³. NIRS-SPM kullanılarak veri işlemenin filtre ve yapıtları ile ilgili olarak, hareket veya diğer gürültü/yapı kaynaklarının üstesinden gelmek için düşük geçişli filtreleme⁹ ve dalgacık minimum açıklama uzunluğu (Wavelet-MDL)²⁴ detrending kullanılmıştır. Bu analitik yöntemin ayrıntıları için Ye ve ark.²⁵'in raporuna bakın. Yalnızca SPM kullanan raporlar olmasına rağmen, görüntü analizi tarafından yalnızca nitel bir dizindir ve NIRS'nin düşük uzamsal çözünürlüğü nedeniyle grup analizi için çok dikkatli olunması gerekir. Ayrıca, DPF sabit olduğunda, kanallar ve bireyler arasındaki sayısal karşılaştırmalar yapılmamalıdır, ancak her kanaldaki değişikliklerdeki fark doğrulanabilir. Yukarıdaki koşullara dayanarak, NIRS-SPM grup analiz sonuçlarını desteklemek için, mekansal kaydın doğruluğunu artırdıktan sonra çok kanallı analiz için orijinal analiz yöntemini kullandık. Bu çok kanallı analiz, HbO₂ ve HHb düzeylerindeki değişimin genliğini, sabit müdahaleler (önce veya sonra), sabit dönemler (dinlenme veya görev üstü) ve rastgele bireysel efektlerle hiyerarşik karışık modeller kullanarak tedaviden önce ve hemen sonra her kanalda geri kalan ve görev başında dönemler arasında karşılaştırdı.

Bu şekilde, birkaç fNIRS ölçüm ve analiz yöntemi vardır; ancak, hiçbir standart yöntem oluşturulmuştur. Bu yazıda, sensorimotor görevlerine sahip bir blok tasarımı kullanarak müdahale öncesi ve sonrası çok kanallı bir FNIRS deneyinden elde edilen verileri analiz etmek için nitel GLM tabanlı istatistiksel parametrik haritalama ve karşılaştırmalı çok seviyeli hiyerarşik karma model yöntemlerimizi tanıtıyoruz.

Bu çalışma Japonya Fukuoka Üniversitesi kurumsal inceleme kurulu (IRB) tarafından onaylanmıştır (IRB No. 2017M017). Katılımdan önce, tüm hastalar yazılı bilgilendirilmiş onay verdi.

1. FNIRS deneyinin hazırlanması

NOT: Bu deney için çok kanallı sürekli dalga lazer tabanlı NIRS sistemi kullanılmıştır. Kızılötesine yakın ışığın dalga boyları 780 nm, 805 nm ve 830 nm idi ve örnekleme hızı 7,8 Hz olarak belirlendi. Zaman ve mekansal çözünürlük (ışık yayıcısı ve dedektör probu arasındaki mesafeler) sırasıyla 0,13 s ve 3,0 cm olarak belirlendi.

1. FNIRS cihazını karanlık gürültüsüz bir yere ayarlayın. Oda sıcaklığında deneyler yapın. Deneyden 30 dakika önce fNIRS aletini başlatın.
   NOT: fNIRS sistemleri, ekipmanın istikrarlı çalışmasını sağlamak için kontrollü sıcaklık ve nem koşullarında kullanılır^26.
2. FNIRS kaydı için bütün bir kafa kapağı kullanın ve baş kapağını, uluslararası 10-20 sisteminin merkezine (Cz) karşılık gelen pozisyon baş kapağının 245 numaralı tutucusunda yer olacak şekilde takın. (Şekil 1).
3. İşaret etiketini referans konum noktalarına takın: nasion (Nz), sağ dış işitsel meatus (AR) ve sol dış işitsel meatus (AL).
   NOT: Üç boyutlu (3D) koordinatlar Nz, AR, AL işaret etiketi ve Cz tutucunun konumları etrafında okunduğundan, fotoğraf çekmeden önce işaretleme etiketini eklemek gerekir.
4. Uzamsal kayıt için yüksek çözünürlüklü bir dijital kameranın kalibrasyonundan sonra, referans noktalarını (Cz, Nz, AR ve LR) 15 perspektiften gösterirken, prob konumuyla öznenin kafasının fotoğraflarını çekin.
   NOT: Probu yerleştirmeden önce lütfen bir resim çekin. Prob yerleştirilecek şekilde yersen bir resim çekilirse, işaretleyici simgesi prob ve kablo kablosu tarafından gizlenmiş olabilir. Üretici tarafından önerildiği gibi, konunun sağuna çapraz olarak doğru 12 fotoğraf çektikten sonra, Cz'nin (245 numaralı tutucu) resimde görünmesi için biraz yukarıda üç veya daha fazla fotoğraf çekin. Bunun nedeni, toplam 15 veya daha fazla çekim yakalarken üç boyutlu hale getirmenin kolay olmasıdır.
5. Probu takmak için ışık yayan diyot (LED) ışıklı plastik çubuk kullanarak optode müdahale eden öznenin saçını dikkatlice ayırın. Probu, optodların kafa derisi yüzeyinden en az mesafede ve kafa derisiyle temas halinde olacak şekilde düzenleyin.
   NOT: Otonom sinir sistemi aktivasyonu ile ilişkili sistemik kafa karıştırıcıların artan gücü nedeniyle, optodların bağlanması nedeniyle hasta için herhangi bir basınç veya rahatsızlık olup olmadığını dikkatlice kontrol edin²³.
6. 48 kanallı sistemi 32 optod (16 ışık kaynağı ve 16 dedektör; her yarımküre için 4 x 4 dizi) ile ön ve parietal alanlar üzerinde iki taraflı olarak bir baş kapağına ilgi alanları olarak düzenleyin (Şekil 2).
7. Uzamsal kaydı belirlemek için 3D sayısallaştırıcı yazılımını başlatın ve kullanın.
8. Tüm kafanın resim verilerini taradıktan sonra, otomatik ölçüm yaparak her hastanın uzamsal koordinatını belirleyin ve Origin and the Others dosyası (*CSV dosyası) olarak kaydedin.
   NOT: Koordinat noktaları otomatik ölçüm kullanılarak görüntülerden algılanamadıysa, ayarlamayı manuel olarak girin.

2. Deneyi çalıştırın

1. Deney için bir blok tasarımı seçin ve görev, el açma/kapatma, parmakla dokunma vb. Önceki çalışmamızda, görev robot destekli dirsek hareketleri¹⁵.
   NOT: Her döngü üç bloktan (15 s dinlenme - 15 s görev - 15 s dinlenme) oluşur ve her hasta her seansta yedi döngü tamamlar.
2. Katılımcının başlangıç sinyaline kadar rahat bir pozisyonda beklemesini bekleyin. Özneye geri kalanı ve görev sırasında gözlerini kapatmasını söyleyin.
3. Başlangıç ve durdurma ipuçları verin (örneğin, "Dirseğin esnemesini ve uzatılmasını tekrarlayın", "Durdurun ve rahatlayın").
   NOT: Ölçümler sırasında konuşmayın. Ölçümler sırasında monitör ekranındaki yapıtları dikkatlice kontrol edin.
4. Blok tasarım görevini aynı duruşta gerçekleştirin. Ayakta veya oturma pozisyonunda dik duruşun kulaklığı bozmaması istenir.
   NOT: Hasta baş tutucuyu uzun süre taktıktan sonra rahatsız hissediyorsa, robot destekli egzersiz sırasında probu çıkarın veya gevşetin.
5. NIRS ölçümünü tamamladıktan sonra, deneyi sonlandırmak için baş tutucuyu ve işaret etiketini çıkarın.
   NOT: Uzun süreli aşınma nedeniyle kafa derisinin cilt hasarı olup olmadığını dikkatlice kontrol edin.

3. NIRS-SPM yazılımı kullanılarak nitel GLM analizi

1. MATLAB yazılımında NIRS-SPM'i başlatın. NIRS cihazından alınan HbO₂ ve HHb konsantrasyonundaki değişiklikle ilgili veri dosyasını NIRS-SPM analizi için dosya biçimine dönüştürün.
2. Açılır menüden NIRS sistemini kullanma seçeneğini belirleyin. Yükle düğmesini seçin ve HbO₂ ve HHb konsantrasyon değişim seçeneklerini dönüştürün.
3. NIRS kanal konumunun uzamsal kaydını algılayın. Tek başına onay kutusunu seçin ve ardından 3B Sayısallaştırıcı ile onay kutusunu seçin.
4. Gerçek Koordinatlardan MNI Alanına'da, _origin seçmek için iletişim kutusunu kullanın. Koordinat referans noktası dosyasına başvuran CSV ve _others. Koordinat probları/kanalları dosyasına başvuran CSV.
5. Kayıt düğmesini seçin. Uzamsal tahmine devam etmek için noktaları seçin ve Tamam düğmesine tıklayın. İşlenmiş Beyin için Proje MNI koordinatı düğmesine tıklayın.
   NOT: NIRS kanal konumlarının mekansal konumu Montreal Nöroloji Enstitüsü (MNI) beyin şablonuna dayanarak tahmin edilmektedir.
6. Dorsal Görünüm seçeneğini belirleyin ve Kaydet düğmesine tıklayın.
7. 1^st Düzeyini Belirt bölümünde NIRS veri dosyası adını ve SPM dizinini seçin. Hemoglobin onay kutusunu seçin; HbO₂ veya HHb. Tasarımı belirt' seçeneğini vurgulayın ve Sn seçeneğini belirleyin. Koşul/Deneme Sayısı seçeneklerini vurgulayın ve 7sayısını girin.
8. Başlangıç ve Süre Vektörü seçeneklerini vurgulayın ve deneysel koşulların süresiyle çarpılan başlangıç vektörü aşağıdaki gibi girin.
   NOT: Bu durumda, başlangıç saatlerinin vektörü [15:45:285] veya [15 60 105 150 195 240 285]olarak belirtilmelidir. Süre vektörü [15* bir(7,1)] veya [15 15 15 15 15]olarak belirtilmelidir.
9. Detrending için Wavelet-MDL düğmesini seçin. Ön renklendirme yöntemini kullanın: düşük geçişli filtre ve hrf düğmesini seçin ve seri korelasyon için düzeltin, sonra yok düğmesini seçin.
10. Zamansal korelasyonları tahmin ederek, Bireysel Analiz'i kontrol edin.
    NOT: FNIRS kanalı konumlarının tek tek MNI koordinat sistemlerindeki uzamsal yerelleştirilmesini metin dosyası olarak kaydedin. Benzer şekilde, tek tek Brodmann alanını (BA) temel alan haritayı metin dosyası olarak kaydedin.
11. Zamansal korelasyonları tahmin ederek, Grup Analizi'ni kontrol edin. NIRS-SPM, katılımcı sayısının ortalama optod pozisyonlarını MNI standartlaştırılmış beyin koordinat sistemine göre hizaladı.
12. Standartlaştırılmış beyin için hemoglobin seviyesindeki değişikliklere göre aktivasyon haritasını hesapla. HbO₂ ve HHb düzeyleri düzeltilmemiş p < 0.01 eşiğinde anlamlı olarak kabul edildi.
    NOT: Grup analizi için sağ/sağ bilgiler sağ tarafta çevrildi.

4. Hiyerarşik karma modele dayalı çok kanallı karşılaştırmalı analiz

1. SAS yazılımını başlatın. Metin belgesini dönüştürün (. TXT) düşük geçiş filtresi ile işlenen NIRS veri dosyasında HbO₂ ve HHb konsantrasyon değişiklikleri (kesme frekansı 0.1 Hz olarak ayarlandı) elektronik tablo yazılım virgül ayrılmış değerler dosyasına (. CSV).
2. Programı kullanarak SAS verilerini al (.sas7bdat) oluşturun.
3. İçeri Aktar dosyasını aşağıdaki komutla çıktı alın, libname out "Import file"
4. Her konu için müdahale öncesi ve sonrası dosyasının çıktısını verin, Çözümleme SAS'ında aşağıdaki komutları çalıştırın. (Şekil 3) İçe aktarma dosyasının oluşturulması sırasında, konu bilgilerini tanımlayabilecek ve müdahale sonrası ve öncesi (örneğin, id1 öncesi, id1 sonrası...)
5. Her kanal için müdahale öncesi ve sonrası veri komutunu çalıştırın (ch1-48; HbO₂ ve HHb) aşağıdaki gibidir (Şekil 4).
6. Çıktı sonuçlarından elde edilen verilere dayanarak, elektronik tablo çalışma kitabı dosyasındaki (.xlsx) her kanalın değişim öncesi ve sonrası değişim farklarını (görev ve dinlenmedeki fark), dinlenmeyi ve görev değerlerini (tahmini değerler, üst sınırlar ve alt sınırlar) girin.
7. Benzer şekilde, sabit etkili Tür 3 testinin etkileşim öğesinin serbestlik pay ve payda derecelerini, F değerini ve P değerini elektronik tablo çalışma kitabı dosyasına (.xlsx) girin.
8. Çok kanallı testlerde yanlış bulma oranını (FDR) denetlemek için Benjamin ve Hochberg yöntemleri^27'yi kullanın ve FDR'yi p değeri < 0,01 olarak kontrol edin.

Burada, grubumuzun şu anda üzerinde çalıştığı robot destekli rehabilitasyonu tanıtıyoruz: akut inme geçiren hastalarda üst ekstremite motor açığı üzerindeki biyofeedback etkileri. Hastanemize başvuran 10 rızalı inme hastasını (yaş ortalaması: 66.8 ± 12.0 yıl; iki kadın ve sekiz erkek) dahil ettik. Subakut inme aşamasında, başlangıçtan 2 haftadan fazla bir süre sonra, aynı gün üst ekstremite robot destekli rehabilitasyondan önce ve hemen sonra bu hastaların motorla ilgili kortikal aktivitelerini fNIRS sistemi kullanarak değerlendirdik. Blok tasarım görevleriyle ilgili olarak, her görev döngüsünde 15 s içinde 15x etkilenen dirsek fleksiyon / uzatma hareketlerini gerçekleştirdiler ve yedi görev döngüsünü tekrarladılar. Ayrıca, altı sağlıklı gönüllü (yaş ortalaması: 58.7 ± 7.1 yıl; iki kadın ve dört erkek) de sağ dirsek fleksiyon/uzatma hareketleri sırasında normal görevle ilgili kortikal aktivasyonun yerini belirlemek için kontrol olarak kaydedildi.

Şekil 5, NIRS-SPM yazılımı ile GLM modelleri kullanılarak 10inme hastasının t -istatistiksel haritalama değerlerine göre grup analizinin sonuçlarını göstermektedir. Bu yöntem, robot destekli rehabilitasyondan hemen sonra ölçülen yarımküredeki birincil motor korteksin kortikal aktivitesinde eğitimden öncekine kıyasla bir artış olduğunu göstermiştir. Müdahale öncesi veri toplama, müdahale (robot destekli egzersiz) ve müdahale sonrası veri toplama aynı gün ve aynı yerde tek deneysel seansta gerçekleştirildi.

Şekil 6, müdahale öncesi ile sonrası (robot destekli egzersiz) karşılaştıran çok kanallı grup analizinin sonuçlarını göstermektedir. SAS yazılımı ile çok düzeyli hiyerarşik karma modelin istatistiksel analizi yapıldı. Nirs-SPM ile aynı beyin bölgesi olan müdahaleden sonra primer motor kortekste kortikal aktivitede artış gözlendi.

Şekil 1: Üç boyutlu (3D) mekansal kaydın ayarlanması ve fNIRS kaydı için kullanılan kafa kapağının her tutucusu. Şekildeki okla gösterilen 245 numaralı tutucu, koordinat eksenlerinden biri olan merkezi konumu (Cz) gösterir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Şekil 2: FNIRS kaydı sırasında 48 kanallı sistemin 32 optod ile düzenlenmesi. (A) Baş tutucudaki probların yeri, (B) 48 kanal ve probun (16 ışık kaynağı ve 16 dedektör; her yarımküre için 4 x 4 dizi) ilgi alanları olarak kortikal alanlar üzerinde iki taraflı olarak bir kafa kapağına düzenlenmesi. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Şekil 3: SAS çözümleme yazılımında kullanılan dosyaları oluşturmak için komut girişi. Şekil, NIRS dosyasından elde edilen metin dosyası bilgilerini Excel CSV dosyasına dönüştüren ve sonra SAS çözümlemesi için dönüştüren komut giriş ekranında terimlerin ve sayısal değerlerin nasıl tanımlanacağı gösterilmektedir. Kimlik, Yaş, Cinsiyet, ipsilezyonal taraf, müdahale öncesi ve sonrası, toplam süre ve görev süreleri sayısal olarak girildi. Ayrıca HbO₂, HHb ve total hemoglobin konsantrasyon seviyesi (mM x mm) hakkında bilgi de girildi. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Şekil 4: SAS analiz yazılımındaki her kanal analizi için kullanılan komut girişi. Bu çok düzeyli hiyerarşik karma modelde, SAS komut giriş ekranına aşağıdaki sayısal değerler ayarlandı ve girildi. Bekleyen durum (görev = 0) ve görevdeki durum (görev = 1) karşılaştırıldı ve kurtarmadaki durum (görev = 2) hariç tutuldu. Ayrıca, müdahaleden önceki durum n = 0 olarak, müdahaleden hemen sonraki durum ise n = 1 olarak ayarlanmış ve etkileşimde her kanal için HbO₂ ve HHB'deki değişim miktarında istatistiksel olarak anlamlı farklılıklar olduğu araştırılmıştır. Şekilde, ch2 veya ch47'ye kadar olan giriş ekranı bilgileri atlanır. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Şekil 5: NRS-SPM yazılımı ile GLM modelleri kullanılarak t -istatistiksel haritalama değerlerine göre grup analizinin sonuçları. Tüm hastalardan ortalama kortikal aktivite, standartlaştırılmış beyin modellerinin yukarıdaki görünümünde tasvir edilir. Üst ve alt sırasıyla HbO₂ ve HHb düzeyinde kortikal aktivasyonu temsil eder. Doğru görüntü, görevler sırasında sağlıklı deneklerin kortikal aktivitesini gösterir. Daha önce robot destekli rehabilitasyon karşılaştırıldığında, kortikal aktivite aynı gün robot destekli eğitimden hemen sonra artırıldı. Diğer kortikal bölgelere kıyasla, her performans durumu önemli ölçüde artırıldı (düzeltilmemiş, p < 0.01). Noktalı çizgiler normalleştirilmiş beyin görüntülerindeki merkezi sülküsleri (CS) gösterir. Bu rakam Saita ve ark.¹⁵'ten değiştirilmiştir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Şekil 6: SAS yazılımı ile çok düzeyli hiyerarşik karma modeller kullanılarak yapılan çok kanallı analizin sonucu. Değişimin kortikal aktivitesi, robot destekli rehabilitasyon tedavileri kullanılarak müdahale öncesi ve sonrası arasındaki karşılaştırmayı temsil eder. Sol görüntü için, NIRS kanallarının sayısı MNI koordinat sistemine göre standartlaştırılmış beyne bindirildi. Doğru görüntü için, kırmızı ve mavi sırasıyla HbO₂ seviyesinde bir artış ve azalmaya işaret ediyor (FDR düzeltildi, p < 0.01). Gri, robot destekli rehabilitasyondan sonra kanalların önemli ölçüde değişmediğini gösterir. Bu rakam Saita ve ark.¹⁵'ten değiştirilmiştir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

FNIRS için grup analitik yöntemlerimizde, nitel t-istatistikharitalamaları ile görüntüleme analitik yöntemini gerçekleştirmenin yanı sıra, karşılaştırmalı çok kanallı analizi kullanarak müdahale öncesi ve sonrası (robot destekli egzersiz) karşılaştırdık. Nitel analiz için NIRS-SPM yazılımını genelleştirilmiş doğrusal modele dayalı kitlesel-tek değişkenli bir yaklaşım olarak kullandık. NIRS-SPM analizi, görev sırasında etkinleştirilen alanı görselleştirerek her oturumun nitel sonuçlarını gösterir. Ayrıca, invaziv olmayan 3D-sayısallaştırıcının bilgileri, fNIRS kanal konumlarının beyne göre tahmin edilmesini sağlar. NIRS-SPM analizi kullanılarak yapılan grup analizi, sensorimotor görevleri sırasında müdahale öncesi ve sonrası kaba beyin aktivasyon alanlarını yakalayabildi, ancak aynı kanallardaki değişikliklerdeki farkı karşılaştıramadı. NIRS-SPM bulgularını doğrulamak için, sensorimotor görevi tarafından indüklenen hemoglobin seviyelerindeki değişikliklerin genliği, çok kanallı hiyerarşik karma model kullanılarak aynı çalışma konusuna iki farklı seanstan (yani müdahale öncesi ve sonrası) elde edilen veriler karşılaştırılarak istatistiksel olarak analiz edilebilir. Bu iki yöntem kullanılarak, sonuçlar birbirini karşılıklı olarak tamamlar ve daha net bir şekilde gösterilmiştir.

NIRS verileri ile doğru görev ile ilgili beyin aktivitesi elde etmek için, görev tasarımı, prob yerleşimi, ön analiz işleme, analiz yöntemleri ve ortam ayarları çok önemlidir^23,26. Temsili çalışmalarımızda sensorimotor görevlerini kullanarak blok tasarımı ile ilgili olarak, görev ve dinlenme süresini sırasıyla 15 ve 30 s olarak^{ayarlıyoruz.} Etkinlikten sonraki zirvenin ve dinlenme süresine göre kurtarmanın görev tasarımına bağlı olduğu bildirilmiştir. Daha önceki araştırmalarda, görev tasarımının genellikle el hareketi (parmakla dokunma, kavrama görevi) ile ilgili görevler için 10-30 s ve duruş kontrolü ve yürüme ile ilgili görevler için 30 s^{olduğu bildirilmiştir 7,8,28}. Görev süreleri için, görev etkinleştirmesi başladıktan sonra zirveye ulaşmak yaklaşık 5-10 s sürer^8,29ve kurtarma süreleri, beklenti etkilerini önlemek için rastgele değişen 15 ila 18 s ile elverişlidir ve Mayer-Wave^28,30. Bu bakımdan araştırmamızın görev protokolü dirsek hareketi ile blok tasarımını takip ettiği için uygun ve uygulanabilir olarak kabul edilir. Ancak, görev sürelerinin yürüme görevleri ve karmaşık bilişsel görevler gibi görev zorluğuna göre daha uzun olması gerekebilir. Prob düzenlemesi ile ilgili olarak, fNIRS daha zayıf bir mekansal çözünürlüğe sahiptir, bu nedenle müdahale öncesi ve sonrası yeniden düzenlemek önemli bir konudur. Temsili çalışmamızda, bu eksiklik, robotik tedavinin aynı gün içinde hemen etkisini doğrulamak için prob yer değiştirme gerektirmeyen tasarımımızla telafi edildi. Yeniden konumlandırma gerekiyorsa, ön müdahaleye kıyasla düzenleme dışı olmadığından emin olmak için önceden yakalanmış bir görüntü kullanarak işaret etiketi ile tutucu arasındaki mesafeyi kontrol etmek önemlidir. Bununla birlikte, tasarımımızda, otonom sinir sistemi gibi sistemik fizyolojik parazitin baş tutucunun kullanımı üzerindeki etkisini uzun süre sürekli ölçümle doğrulamak yetersiz kalmıştır. Bu nedenle, fonksiyonel paradigmalar sırasında fNIRS izleme ve gelecekte multimodal izleme²³ kullanmak gerekir. NIRS ölçümü için ilgi alanı ile ilgili olarak, bilişsel işleme ile ilgili birçok NIRS çalışması, PFC'nin yürütme işlevinde ve hareketin bilişsel kontrolünde önemli bir alan olduğu göz önüne alındığında prefrontal korteks (PFC) aktivitesini^ölçmeyeodaklanmıştır³¹,³². Sensorimotor görevleri için, duyusal aktiviteyi değerlendirmek için parietal bölgeyi ölçmek önemlidir. Bununla birlikte, parietal bölgenin ölçümü saç ve kalın kafa derisi gibi engellere karşı hassastır; bu nedenle, ölçümü dikkatlice ayarlamak gerekir. Bu fNIRS deneysel yönteminin bir sınırlaması, baş tutucunun yapısı nedeniyle, genel ölçüm yöntemini 3 cm optod mesafesi ile kullanmamızdır. Bununla birlikte, yüzeysel sinyalleri veya sesleri kalibre etmek için kısa ayırma kanalları kullanarak, doğru beyin aktivitesini ölçme olasılığı vardır³³.

NIRS grup analiz yöntemleri ile ilgili olarak, ön koşul olarak, EEG'ye benzer NIRS ölçüm sonuçlarının kişisel verilerini dikkatlice analiz etmek en iyisidir. Tek seviyeli ve grup düzeyinde analizlerin bir kombinasyonu en uygun yaklaşım olabilir²³. Standartlaştırılmış beyin NIRS verilerinin grup analizi için kullanılsa da, alt mekansal çözünürlüğe ilişkin sınırlamalar tartışılmıştır⁴. Bu çalışmada, mekansal kayıt yöntemi tasarlanmıştır ve potansiyel olarak daha iyi sonuçlara yol açan daha doğru koordinatları tespit etmek mümkündü. İkinci olarak, mevcut çalışmanın burada açıklanan NIRS sisteminin yeteneğinde sınırlamalar vardır. Analizde kullanılan sayısal değerler sürekli dalga NIRS kullanan göreli değerlerdir ve Zaman Etki Alanı (TD)-NIRS gibi bir aygıtın mutlak değerler kullanılarak değerlendirilmek için kullanılması gerekir^34,35. Ancak, TD-NIRS pahalıdır ve bu tür çok kanallı analizler için uygun olmama dezavantajı vardır. CW-NIRS çok yaygın olarak kullanıldığından, bu eksikliği telafi etmek için gerçekleştirilebilecek nispeten doğru bir değerlendirme yöntemine ihtiyacımız var. Bir ön analiz süreci olarak, kanal analizimizin bu kafa karıştırıcıları kaldırmak için ek ana bileşen analizi kullanma araçlarını da göz önünde bulundurması gerekecektir.

Gelecekte, Parkinson hastalığı⁹, spastisiteli serebrovasküler bozukluklar¹²ve bilişsel bozukluk³⁶ için derin beyin stimülasyonunun operasyon öncesi ve sonrası değişim sonuçlarını kızılötesi spektroskopi uygulaması kullanarak rapor edeceğiz. Yöntemlerimiz hareket bozuklukları, serebrovasküler hastalıklar ve nöropsikiyatrik bozukluklar gibi çeşitli nörolojik bozukluklara uygulanabilir.

Yazarların bu çalışmayla ilgili açıklayacak herhangi bir çıkar çatışması yoktur.

Bu çalışma kısmen Japonya Bilimi Destekleme Derneği (JSPS) Bilimsel Araştırmalar için Yardım Hibesi (C) 18K08956 ve Fukuoka Üniversitesi Merkez Araştırma Enstitüsü'nden (No. 201045) bir fon tarafından desteklendi.